基于计算机视觉的跌倒识别算法是目前最主流的识别方式。伴随着计算机视觉的快速发展，智能监控的研究和应用越来越受到研究人员的关注。该类方法主要通过摄像头采集原始视频，再结合视频图像处理技术和机器学习技术等进行目标检测、目标跟踪、特征提取及结果分类等操作，以识别出监控视频中是否出现跌倒行为。 Rougier 等人使用轮廓信息，拟合椭圆拟合视频序列中人体的形态，然后使用形态匹配进行人体跟踪，量化分析人体的变形变化，最后再基于高斯混合模型进行分类检测。Auvinet等人利用了多摄像头重建了人体三维模型，通过垂直轴上的人体体积分布来判断是否有跌倒事件发生。当该分布的主要部分在一定时间段内异常接近地面时，便说明人已经跌倒在地。
       Mirmahboub等人提出了背景减除的方法来分割获得人体外形轮廓，然后提取轮廓相关的有效特征进行识别。Charfi等人引入了一个优化时空的人类跌倒描述符STHF。该算法首先提取多个几何特征（人体外接矩形宽高比、投影直方图和运动轨迹）进行融合，然后训练SVM和Adaboost分类器进行行为分类。Wang等人提出基于主成分分析的PCANet模型，并根据训练好的PCANet模型得到每一帧的预测标签（包含站着，正在跌倒，已经跌倒三种结果），考虑到跌倒行为的时序性，利用连续帧的PCANet模型预测标签与SVM相结合从而识别出跌倒行为。
微信公众号二维码

微信公众号：人工智能感知信息处理算法研究院
继续阅读
阅读原文